CoMuTe：基于卷积神经网络的利用CSI的无设备多目标定位

Tahsina Farah Sanam; Hana Godrich

CoMuTe：基于卷积神经网络的利用CSI的无设备多目标定位

信号处理 2020-03-13 v1

作者: Tahsina Farah Sanam , Hana Godrich

摘要

随着物联网(IoT)的发展，基于位置的服务(LBS)近年来受到显著关注。位置信息是许多LBS的重要要素，这类系统需要在室内环境中定位多个目标。作为一种新兴技术，无设备定位(DFL)有望在不附加任何收发器的情况下定位目标。在本文中，我们提出CoMuTe，首个基于卷积神经网络(CNN)的利用来自多个无线链路的信道状态信息(CSI)的无设备多目标定位方法。该系统通过将CSI组织为时频矩阵，将其表示为多链路时频(MLTF)图像，并将这些MLTF图像作为CNN网络的输入特征。CoMuTe在多标签点分类框架下将多目标定位建模为多标签点分类方法，假设每个MLTF图像关联多个标签/点。定位由训练阶段和定位阶段完成。在训练阶段，在每个位置以单目标构建基于CSI的MLTF图像，所构建的图像通过基于梯度的优化算法用于训练CNN。在定位阶段，针对多个点上目标获取的测试MLTF图像被输入CNN网络，并在多标签分类框架下利用输出层的sigmoid激活函数计算目标位置。我们进行了大量实验来为CNN架构及系统设计选取适当参数。实验结果表明CoMuTe相对于现有多目标定位方法具有优越性能。

关键词

无设备定位多目标定位信道状态信息卷积神经网络多标签分类室内定位

引用

@article{arxiv.2003.05734,
  title  = {CoMuTe: A Convolutional Neural Network Based Device Free Multiple Target Localization Using CSI},
  author = {Tahsina Farah Sanam and Hana Godrich},
  journal= {arXiv preprint arXiv:2003.05734},
  year   = {2020}
}

备注

18 pages, 11 figures

CoMuTe：基于卷积神经网络的利用CSI的无设备多目标定位

摘要

关键词

引用

备注

相关论文